本發明公開了一種可遷移的基于示教和策略解耦的行為決策和狀態規劃學習算法,涉及強化學習領域,包括決策模塊,規劃模塊和決策規劃判別模塊,所述規劃模塊基于環境的狀態預測目標狀態,并交由所述決策模塊執行,利用監督學習;所述決策模塊又稱為逆環境模塊,基于環境的狀態和所述規劃模塊預測的目標狀態輸出決策信號,即動作;所述決策規劃判別模塊基于環境中采樣的狀態數據與專家示教數據進行對抗學習,給出用于所述規劃模塊學習的獎勵信號。本發明提高了泛化性。
聲明:
“可遷移的基于示教和策略解耦的行為決策和狀態規劃學習算法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)